奇异值分解方法在日负荷曲线降维聚类分析中的应用
负荷曲线聚类对负荷预测、电网规划和需求侧响应等应用有重要意义,但是海量的历史负荷曲线为数据存储和计算效率带来了挑战.为此,提出一种基于奇异值分解的日负荷曲线降维聚类方法.首先利用奇异值分解将日负荷曲线数据旋转变换至新的坐标系中,求解出的奇异值反映了相应坐标轴的重要程度.然后,将负荷曲线在各坐标轴上的坐标作为降维指标,用以反映负荷曲线的主要特征,再依据奇异值下降趋势确定指标的数目.最后,以各坐标轴对应的奇异值作为指标权重,采用基于加权欧式距离的K-means算法对日负荷曲线进行聚类.算例结果表明所提方法运行时间短、鲁棒性好,可以提高负荷曲线聚类的准确性.
日负荷曲线聚类、奇异值分解、降维聚类、K-means算法、加权欧式距离、鲁棒性检验
42
国家自然科学基金资助项目51377143;国家电网公司科技项目52110415000B
2018-07-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
105-111